Retyped by:

Dodiet Aditya Setyawan, SKM, MPH.

PROGRAM STUDI DIPLOMA IV KEBIDANAN KOMUNITAS

JURUSAN KEBIDANAN POLTEKKES SURAKARTA

1. Satscan merupakan salah satu software/aplikasifree/gratis yang dapat dimanfaatkan untukanalisis spasial, temporal, dan spatial-temporal menggunakan data spasial dan temporal/waktumaupun space time scan statistic

2. Aplikasi satscan bermanfaat untuk ;

a. Analisis geografis terkait surveillance penyakit(mendeteksi spatial dan temporal kluster, dansignifikansinya)

b. Uji persebaran suatu kasus terhadap wilayah

c. Deteksi awal untuk mencegah KLB

1. Satscan mampu untuk analisis data terutama

untuk mengetahui karakteristik POLA suatu

data

2. Data untuk analisis tercermin dalam titik-titik

koordinat (koordinat menggambar lokasi

kasus)

3. Jenis data yang dianalisis merupakan data

INDIVIDUAL. Jadi satu kasus diwakili oleh satu

titik koordinat

1. Membuat grid secara teratur pada masing-masing

titik pusat (centroid) di seluruh wilayah/area

2. Membuat sejumlah lingkaran pada masing-masing

titik pusat (centroid) dengan radius dari 0 –

maksimum, sehingga 50% dari populasi terpenuhi

A small sample of the circles used

Pada masing-masing lingkaran berisi:

1. bertujuan untuk mendeteksi kondisi aktual dan nilai yang diharapkan dari

masing-masing kasus dalam lingkaran maupun diluar lingkaran

2. Kalkulasi/penghitungan fungsi likelihood (hipotetis probabilitas bahwa suatu

peristiwa yang telah terjadi akan menghasilkan hasil yang spesifik)

Perbandingan Lingkaran:

1. memilih lingkaran dengan fungsi kemungkinan tertinggi sebagai likelihood

function sebagai Kluster utama (Most Likely Cluster)

Simpulan :

1. Sampling dilakukan dengan menggenarate secara dari sekumpulan data di

hipotesis null suatu cluster (Monte Carlo sampling).

2. Membandingkan most likely cluster secara real dan acak dalam suatu data aset

1. Data kasus

2. Data kasus kejadian penyakit (titik koordinat)

3. Kolom/field meliputi : kode kasus,tanggal,

4. Data peta/wilayah unit analisis

1. Poisson Model, Space-

Time

2. Bernouli Model, Purely

Spatial

3. Space-Time

Permutation Model

4. Ordinal Model, Purely

Spatial

5. Exponential Model,

Space Time

1. Melihat dan menganalisis data berdasar sebaran

kelompok tertentu misal berdasar pada aspek

lokasi/tempat, waktu kejadian,

2. Aspek cluster menunjukkan korelasi antar data,

apakah ada kaitan pengelompokan atau

sebarannya

3. Sesuaikan semua data dalam tabel dengan

tipe/karakter datanya, misal date/time format

date;Latitude/longitude format number

1. Menunjukkan apakah ada pengelompokan

(sesuai tipe test yang diinginkan)

2. Menunjukkan lokasi dimana pengelompokkan

tersebut (jika ada)

3. Mengevaluasi tingkat kepercayaan

(significance) uji statistic

4. Menghasilkan risiko relatif pada masing-masing

kluster (mana risiko yang tinggi dan risiko yang

rendah)